В новом выпуске серии Systematic Investor ведущий Нильс Каструп-Ларсен и инвестиционный менеджер Аллан Данн обсуждают парадоксальную устойчивость экономики США в условиях жесткой политики ФРС, а также анализируют влияние генеративного ИИ на рынки и долгосрочную эффективность стратегий следования за трендом. Центром дискуссии стали вопросы о том, почему классические модели трансмиссии денежно-кредитной политики дают сбой и как инвесторам не попасть в ловушку оптимизма, вызванную технологическим хайпом.
📈 Макроэкономика: ФРС против устойчивости потребления 1:04
Несмотря на 15 месяцев цикла ужесточения и повышение ставок на 500 базисных пунктов, американская экономика демонстрирует неожиданную сопротивляемость. Аллан Данн отмечает, что ФРС недавно повысила прогнозы роста на 2023 год, снизив ожидания по безработице и увеличив целевые показатели инфляции (core PCE). По мнению Данна, это ставит вопрос о «лагах» монетарной политики, которые в текущем цикле оказались необычайно длинными и переменными .
Среди причин устойчивости экономики Данн выделяет несколько факторов:
- Избыточные сбережения: Согласно оценкам ФРБ Сан-Франциско, в экономике США все еще остается около 500 миллиардов долларов избыточных сбережений, накопленных во время пандемии .
- Стимулирующая фискальная политика: Бюджетный дефицит США составляет 5–6% ВВП даже при полной занятости .
- Структурные изменения: Тенденции к возвращению производств в страну (near-shoring) и активное строительство заводов создают дополнительные драйверы роста .
- Финансовые условия: Хотя краткосрочные ставки выросли, доходность 10-летних облигаций остается на уровне 3,5–3,75%, что ограничивает реальное замедление экономики .
Нильс Каструп-Ларсен добавляет, что на рынке царит эйфория, которую СМИ подогревают заголовками о новом «бычьем рынке». Он выражает обеспокоенность тем, что индекс волатильности VIX упал ниже 13,5 — уровня, который в последний раз наблюдался за два дня до краха рынка в феврале 2020 года из-за начала пандемии .
🤖 Генеративный ИИ: новый фронтир продуктивности или пузырь? 17:15
Обсуждая стремительный рост акций технологического сектора (NASDAQ вырос на 30% с марта), Данн ссылается на отчет McKinsey об экономическом потенциале генеративного ИИ .
Основные положения отчета McKinsey:
- Экономический эффект может составить от 2,6 до 4,4 триллиона долларов ежегодно .
- Технология способна автоматизировать 60–70% задач, особенно в работе «белых воротничков» .
- Рост производительности труда оценивается в 0,1–0,6% ежегодно до 2060 года .
Однако Аллан Данн призывает к осторожности, напоминая о пузыре доткомов 2000 года. По его мнению, хотя ИИ является мощным структурным фактором, оценка таких компаний, как NVIDIA (торгующихся на уровне 40 годовых выручек), может быть чрезмерно оптимистичной . Он утверждает, что при любом экономическом спаде расходы на IT и ПО — это первое, что попадает под сокращение .
Каструп-Ларсен дополняет, что ИИ уже влияет на трейдинг: недавно фейковое изображение взрыва у Пентагона, созданное нейросетью, спровоцировало кратковременную распродажу в индексе S&P 500 . Оба спикера сходятся во мнении, что специалисты в области ИИ зачастую настроены более пессимистично относительно его применения на финансовых рынках, чем дилетанты, из-за риска «переобучения» (overfitting) моделей .
📉 Исследование Bond Bias: ловушка долгого бычьего рынка 32:42
Участники обсуждают работу Кэти Камински (AlphaSimplex) «Beyond the Bond Bias», в которой исследуется, как десятилетия падения ставок сформировали у тренд-фолловеров опасную предвзятость к покупке облигаций .
Камински применила машинное обучение к данным по облигациям с 1980 года. Выяснилось, что модель, обученная на этом периоде, практически не умеет открывать короткие позиции. Однако при добавлении данных с 1962 по 1982 год (период высокой инфляции и медвежьего рынка облигаций) модель кардинально меняется .
Данный пример, по мнению Данна, подчеркивает две вещи:
- Опасность машинного обучения, которое «обучается» на ограниченном историческом контексте.
- Надежность простых тренд-систем, которые не имеют встроенных предубеждений и эффективно работали в 1970-х годах .
Нильс Каструп-Ларсен отмечает, что опыт фирм с длительным трек-рекордом (таких как Dunn Capital) ценен именно тем, что они проходили через разные циклы и не поддаются соблазну фильтров, работающих только в эпоху «количественного смягчения» .
🛡️ Секреты риск-менеджмента: почему роботы не заменят опыт 45:12
Дискуссия переходит к анализу событий марта 2023 года, когда крах Silicon Valley Bank вызвал резкий разворот трендов в облигациях. По данным Quanteck, у многих тренд-фолловеров 85% риска портфеля было сосредоточено в фиксированной доходности .
Аллан Данн и Нильс обсуждают подходы фонда TransTrend, который известен тем, что принципиально не использует стоп-лоссы . Это кажется рискованным, но за десятилетия работы такая стратегия доказала свою жизнеспособность.
Ключевые выводы о риск-менеджменте:
- Субъективность: То, что считается «разумным риском», сильно отличается у разных менеджеров. Например, сокращение позиций при просадке (deleveraging) может помешать выйти из убытков, когда тренд восстановится .
- Корреляции: Каструп-Ларсен утверждает, что исторические корреляции рынков менее важны, чем текущая корреляция позиций в портфеле .
- Психология: «Если сделка не кажется вам некомфортной, скорее всего, это неправильная сделка», — цитирует Данн популярную в трейдинге мысль .
В завершение Нильс подчеркивает, что следование за трендом — это в первую очередь стратегия управления рисками, а не предсказания доходности. Именно способность выдерживать периоды дискомфорта позволяет собирать «премию за риск» в долгосрочной перспективе .
